AI 论文与研究

Stable port-Hamiltonian neural networks certify asymptotic stability by construction. Yet, their Hamiltonian is a global Lyapunov function with a single global minimum, so they can represent only dynamic systems with {one} attractor. We de…

We introduce a new framework for one-step generative modelling on finite state spaces. To extend drifting beyond continuous domains, we use discrete Wasserstein geometry to define a target-relative KL gradient flow over the transitions of …

Large language models are moving from helping write up research to helping do it, which makes it important to know how the scientific text they produce differs from human writing. Work on this question has stayed mostly at the surface, usi…

Tool-using large language model (LLM) agents turn generated text into real side effects, so poisoned tool metadata, retrieved pages, memory, and reusable skills can steer the next call. Vetting an artifact before admission does not settle …

When developers change one component of an agent, such as its controller, a learned model or its verifier, they usually judge the change by an aggregate task score. That score cannot tell whether improvement was attainable, which component…

Regulatory compliance checking - deciding whether a target document satisfies the obligations of a regulation - requires interpreting dense legal text, identifying which provisions apply, and grounding each decision in explicit evidence. W…

Reinforcement learning offers the prospect of a reusable sequential decision-making mechanism for spacecraft trajectory design, motivating policy interfaces that connect learned decisions to the underlying maneuver geometry. This paper dev…

We study the classical single-machine scheduling problem of minimizing the sum of completion times of jobs in a non-clairvoyant setting, where the processing time of each job remains unknown until its completion. This is a hard problem for…

This paper presents the European Crisis Management Ontology (ECMO), a modular OWL-based ontology intended as a cross-sectoral reference for disaster risk reduction and response. ECMO is designed to be organised as a network of ontological …

Reinforcement learning for trading often struggles to balance upside participation with drawdown control. Profit-only policies can collapse toward passive long exposure on upward-drifting assets, while aggressively risk-penalized rewards c…

Meta 论文提出 Meta-Reasoning Agent，让 worker 执行任务、独立 controller 决定下一步，在最大预算下于全部 12 项对比测试中胜过无 manager 的同款智能体。用 GPT-5.5 跑代码基准时，预算增至 3 倍，得分从 64.1% 升至 71.5%，而对照智能体停滞在 64% 附近。

ActiveSaddler 将 Agent harness 优化中"训练场景如何选择"这一维度建模为非平稳 bandit 问题，把反复出现的失败抽象为可复用的失败模式臂，动态估计各模式的潜在学习收益，在复现已知弱点与探索新场景之间自适应平衡。

研究者提出 SciUtopia，一个持续运行的闭环 LLM 智能体模拟框架，用于研究学术研究生态系统，覆盖研究方向选择、合作、投稿、同行评审、重投、引用、资助与研究者流失等环节。

AgSpec 是一个面向编码智能体流水线的检索式投机解码框架，从会话、工作区和全局语料库中检索草稿 token，并按智能体离线画像设定草稿长度上限、再依据验证反馈在线调整。在两个仓库级多智能体编码基准上，AgSpec 在多数设置下优于五种检索式草稿器和 EAGLE-3，batch size 1 时生成吞吐较自回归解码最高提升 4.37 倍，batch size 16 时最高 4.76 倍。

研究以 Qwen3-1.7B 和四个同源 RL 教师模型为对象，剖析多教师同策略蒸馏（MOPD）中教师信号如何影响参数变化，并用 SmolLM3-3B 做补充诊断。

研究者提出推理时框架 PoS，为 LLM 智能体构建并持续维护显式信念状态作为决策上下文，每个信念结合当前世界状态估计与未解决的任务需求。PoS 通过一致性校验和任务进度监控检测“Belief Trapping”，并按陷阱模式与未满足需求类型定制恢复策略。在覆盖执行与诊断的四项基准上，PoS 在三种 LLM 主干下均取得最高整体表现，消融实验验证了一致性校验与恢复机制的必要性。

OctLLM 将几何以八叉树占用 token 的显式 3D 序列输入模型，并通过随机清空倒数第二层节点、省略其后代，得到更短的 S-Octree 用于位置感知掩码建模生成与 3D 理解。

研究者提出 Kinematic MeanFlow（K-MF），一种面向机器人基础模型（RFM）的一步动作生成策略，解决 MeanFlow 直接应用时的性能崩溃问题。

PROWBench 基准发布，包含 170 个程序化构建的 episode 和 600 段代理视频，用于检验视频模型对程序指定世界事件的视觉还原能力。该基准记录实体状态与带时间戳事件（含镜头视野外事件）作为可回放世界记录，并渲染同步视图，覆盖第一、第三人称视角。

针对多智能体工作流中仅训练生成器、其他智能体固定的局限，研究者提出 FloWright，通过分层、结构感知的奖励范式让一个角色自我进化、两个及以上角色协同进化，无需额外模型、标注或执行。

研究者提出"数学原语"（Mathematical Primitive）概念并构建新基准，从 Discovery、Generation、Digestion、Execution 四个维度评估 LLM 的结构性数学理解。

研究提出"世界编辑"概念，即对已有可执行世界进行干预并保留不应改变的部分，同时引入"干预深度"描述编辑对世界实体、动态与系统的耦合强度。作者基于 Minecraft 和 Terraria 的工业级游戏模组构建了 IGMWorld，并发布包含 110 项任务、超 1.1K 条可执行状态与行为标准的 IGMBench。

Omni-Embed-Mini 是一个 0.9B 参数的多模态嵌入模型，可将文本、语音、音频、图像、视频和富视觉文档映射到同一余弦空间，且不更新任何文本侧参数。

ProWAM 是一种渐进式世界动作模型，通过联合预测动作与有序稀疏视觉子目标序列，为动作生成提供显式视觉引导。它在 LIBERO-Plus 上达到 85.8%、随机化 RoboTwin 上达到 75.7%，相对最强基线最高提升 35.9%；在 RoboCasa365 上成功率为 48.1%，Composite-Unseen 分项为 18.2%。

Apple 研究者提出 RLTL;DR，在每次失败尝试后让策略读取验证器输出并自行写出一条 TL;DR 式反馈，后续 rollout 以历史反馈为条件，并对上下文中的反馈做反向传播以内化"任务→反馈"映射。

Latent-MOPD 是首个面向 LLM 的表征级多教师同策略蒸馏（OPD）方法，同时利用专家的预测输出和计算这些预测所用的隐藏状态来整合多个专家，且无需额外教师训练。在同家族设置下，它在数学、代码和逻辑的九个基准上全面超越仅 token、仅表征和均匀平均基线；在参数量与各教师相同时，学生在多数基准上超过逐基准最优教师。使用更大规模的跨家族教师时，它在所有基准上均优于单通道基线。

研究者提出 LOOM，通过缩放残差更新、每次循环重新注入输入嵌入，并用逐循环路由器和 Looping Residual 缓解专家选择坍缩，使循环 MoE 稳定扩展至 9-12 次循环。

研究者提出免训练对比解码框架 LoopCD，通过对比最终预测与较早循环轮的中间表示来引导 token 选择，分为 logit 空间的 LoopCD-Logits 和零输出开销的 LoopCD-Hidden 两种形式。

研究者提出 Stability-Aware Generalization Objective（SAGO）框架，从生成一致性、内部激活、置信度和响应镜像等多个维度衡量 LLM 在输入变化下的行为波动。实验显示，常用模型普遍存在统计显著的泛化不稳定性，没有模型能均匀泛化，不同行为轴捕捉到独立的失败模式，跨数据集变化甚至会逆转模型排名。

SILSA 是一个拓扑感知的 3D 生成框架，用沿三个坐标轴的固定重叠切片隐变量替代昂贵的体素 token，每个 token 概括局部深度窗口，支持单阶段 rectified-flow 生成。

AGO AI Quality Gate 是一个面向工业级 RAG 评估的"证据优先"质量门框架，包含四态决策模型、分层评分、分层 beta-binomial 门控和强制元评估协议。

RPTune 是一个将学习式目录筛选与 LLM 后训练耦合的端到端框架，通过编码器-重组器筛选器依据下游 LLM 反馈对商品排序和剪枝，并用上下文相对奖励提升后训练效果。在 7 个真实商家的 100 条复杂对话查询上，上下文筛选带来最高 31.4 个百分点的搜索准确率提升，后训练平均再提升 10.3 个百分点，在闭源与开源权重 LLM 上均有效。

研究者提出多智能体框架 MEA，由 Proposer 智能体按问题与模态选择并配置解释工具，Actor 智能体则针对忠实度做端到端优化，将输出转化为自然语言解释，覆盖表格、文本与视觉模态。在六个数据集上，MEA 一致优于事后解释方法、智能体与闭源基线，奖励驱动优化相比未训练主干带来 +28%（表格）、+21%（文本）、+34%（视觉）的忠实度提升。

CANOPY（Canonical Projection over Hierarchy）是一个面向多模态 RAG 的自适应粒度检索后证据压缩框架，将检索项表示为层级结构，用基于 gold evidence 微调的节点编码器对区域打分，并通过父节点相对细化在不同粒度上选取多个区域，无需 LLM 调用即可完成节点级剪枝。

研究提出 SBERT2S1，将 Sentence-Transformers 编码器转为双编码器、cross-head（C）与 prior-fused residual（PFR）类型化决策模型，并发布 BIODECIDE 生物医学决策套件和 243k 条 NLM 索引决策构成的 MEDLINE-S1。

针对 LLM 智能体反复使用同一外部来源却只当作重复访问的问题，研究者提出 SourceLearn，通过自导向来源学习和任务引导来源学习两种机制，构建并持续优化持久化的来源模型。在五个 benchmark 和三个 LLM 后端上，SourceLearn 在 15 个设置中 13 个取得最佳表现，最高比 Hybrid RAG 提升 22.6 分。

OneStreamer 通过共享的主动生成过程，联合学习与查询无关的证据记录和任务响应，其 Proactive Hierarchical Caption Memory（PHCM）生成带时间定位的局部细节描述与已完成事件摘要。

4Director 是一个以显式 4D 场景表示为条件的视频世界模型，每个物体从输入图像重建为规范网格，并由每帧一个预设刚性变换驱动。它把受控场景渲染为深度视频，再用 Motion Adapter 生成视角一致的外观、光照与非刚性动态。

研究者构建了 ScholarCatalyst 基准，让 207 篇近期计算机科学论文的 184 位第一作者标注哪些候选论文推动或可能推动了其项目，并附详细理由。在该检索任务中，Agentic 搜索（0.42 Recall@20）不如嵌入向量检索（0.48），即便基于 Claude Fable 5.1 的智能体也只达到 0.51 R@20。

论文提出 OpenRUA，一个零抽象 harness，只给现成编码智能体 ROS 2 原生接口的终端访问权限、ROS 2 文档和基础工具，不编排任何定制工作流。